- 1、本文档共91页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2015数模提高班专题3–多元统计分析
从2014美赛题谈起: 《体育画报》,一个体育爱好者杂志,正在寻找上个世纪的最优秀的大学男女教练。建立数学模型来选择以下体育项目:校园曲棍球,曲棍球,橄榄球,棒球或垒球,篮球,足球中最好的大学男女教练(以前或者现在)。在你的模型中时间因素是否对挑选产生影响?比如1913年和2013年的指教是否会有不一样的评价?请清楚的表述你的评选标准。讨论你的模型应用的广泛性,比如在性别上和运动项目上。给出用你的模型得到的3个不同运动项目中最好的5个教练。 如何选择评价体系?客观性、准确性、指标的重要性,加权的依据? 特征根: 它可以被看成是主成分影响力度的指标, 代表引入该主成分后,可以解释多大程度的原始变量的信息。 主成分FK的方差贡献率 在建立多元线性回归方程时,由于自变量间存在多重共线性,常常会发现某些自变量的系数极不稳定,当增减变量时,其值会出现很大变化,甚至出现与实际情况相悖的符号,以致难以对所建回归方程给予符合实际的解释。 主成分回归分析 Principal Component Regression(PCR)是一种多元回归分析方法,旨在解决自变量间存在多重共线性问题。它通过主成分变换,将高度相关的变量的信息综合成相关性低的主成分,然后以主成分代替原变量参与回归. 二、利用SPSS进行主成分分析 SPSS没有提供主成分分析的专用功能,只有因子分析的功能。但是因子分析和主成分分析有着密切的联系。因子分析的重要步骤——因子的提取最常用的方法就是“主成分法”。利用因子分析的结果,可以很容易地实现主成分分析。具体来讲,就是利用因子载荷阵和相关系数矩阵的特征根来计算特征向量。即: 其中,zij为第j个特征向量的第i个元素;aij为因子载荷阵第i 行第j列的元素;λj为第j个因子对应的特征根。然后再利用计算出的特征向量来计算主成分。 二、主成分分析实例 下表是某市工业部门13个行业的8项重要经济指标的数据,这8项经济指标分别是: X1:年末固定资产净值,单位:万元; X2:职工人数据,单位:人; X3:工业总产值,单位:万元; X4:全员劳动生产率,单位:元/人年; X5:百元固定资产原值实现产值,单位元; X6:资金利税率,单位:%; X7:标准燃料消费量,单位:吨; X8:能源利用效果,单位:万元/吨。 我们要考虑的是:如何从这些经济指标出发,对各工业部门进行综合评价与排序? 我们先计算这些指标的主成分,然后通过主成分的大小进行排序。表6.2和表6.3分别是特征根(累计贡献率)和特征向量的信息。 利用主成分得分进行综合评价时,从特征向量我们可以写出所有8个主成分的具体形式: 我们以特征根为权,对8个主成分进行加权综合,得出各工业部门的综合得分,具体数据见表6.4。 综合得分的计算公式是: 根据上式可计算出各工业部门的综合得分,并可据此排序。 从上表可以看出,机器行业在该地区的综合评价排在第一,原始数据也反映出机器行业存在明显的规模优势,另外从前两个主成分得分上看,该行业也排在第一位,同样存在效益优势;而排在最后三位的分别是皮革行业、电力行业和煤炭行业。 作业2 文件pcaexe.xls是世界上55个国家和地区某年7个田径项目上的女子记录。要求 1.分别用matlab和spss做主成分分析,并解释第一主成分和第二主成分的意义。 2. 基于第一主成分对个国家和地区排序。 3.基于主成分综合评价排序。 因子分析的几个概念 有m个公因子的正交因子模型: * 3.1 设置Descriptives选项。 单击Descriptives按钮,弹出Descriptives对话框。 在Statistics栏中选中Univariate descriptives复选项,则输出结果中 将会给出原始数据的抽样均值、方差和样本数目(这一栏结果可 供检验参考);选中Initial solution复选项,则会给出主成分载荷 的公因子方差(这一栏数据分析时有用)。在Correlation Matrix 栏中,选中Coefficients复选项,则会给出原始变量的相关系数矩 阵(分析时可参考)。设置完成以后,单击Continue按钮完成设置。 3.2 设置Extraction选项。 打开Extraction对话框(图6)。因子提取方法主要有7种 ,在Method栏中可以看到,系统默认的提取方法是主成分(Principal components),因此对此栏不作变动,就是认可了主成分分析方法. 按需修改 在Analyze栏中,选中Correlation matirx复选项,则因子分析基于数据的相关系数矩阵进行分析;如果选中Covariance matrix复选项,则因子分析基于数据的协方差矩阵进行分析。对于主成
文档评论(0)